論文の概要: TRACE: A Reproducible Benchmark for Electricity Price Forecasting with Official Operational Text

• arxiv url: http://arxiv.org/abs/2610.02256v1
• Date: Wed, 30 Sep 2026 20:44:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-06 00:14:30.018306
• Title: TRACE: A Reproducible Benchmark for Electricity Price Forecasting with Official Operational Text
• Title（参考訳）: TRACE:オフィシャルオペレーショナルテキストによる電力価格予測のための再現可能なベンチマーク
• Abstract要約: TRACEは、米国の主要市場の5つのゾーンから1日7,300のインスタンスをペアリングする再現可能なベンチマークである。 TRACEはカットオフ毎のオペレーショナルテキストを再構築し、カットオフ後の情報漏洩を防ぐ。 TRACEを意味的アライメントと予測値として評価する。
• 参考スコア（独自算出の注目度）: 1.605809929862042
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Electricity price forecasting (EPF) supports scheduling, bidding, and risk management in electricity markets, yet existing benchmarks focus mainly on numerical inputs, leaving the forecasting value of forecast-time textual context insufficiently evaluated. We introduce TRACE, a reproducible benchmark of 7,300 zone--day instances pairing prices from five zones in a major U.S. market with official operational text available at the forecast cutoff. TRACE reconstructs official operational text at each cutoff, preventing post-cutoff information leakage. We evaluate TRACE for semantic alignment and forecasting value. Semantic assessments align with central movement and both tail risks in ground-truth prices, most consistently for upper-tail price risk. Forecasting value is reflected in a median 7.4\% reduction in upper-tail pinball loss across time-series foundation models. A controlled cross-day text-mismatch ablation reverses the gains, falling below the no-text baseline.
• Abstract（参考訳）: 電力価格予測(EPF)は、電気市場におけるスケジューリング、入札、リスク管理をサポートするが、既存のベンチマークは主に数値入力に焦点を当てており、予測時テキストコンテキストの予測値は十分に評価されていない。 TRACEは、米国の主要市場にある5つのゾーンから1日7,300のインスタンスをペアリングする、再現可能なベンチマークである。 TRACEはカットオフ毎のオペレーショナルテキストを再構築し、カットオフ後の情報漏洩を防ぐ。 TRACEを意味的アライメントと予測値として評価する。 セマンティック・アセスメントは、中央のムーブメントと両尾のリスクを基調とした地対地対地価格で、最も一貫して上尾の価格リスクを考慮に入れている。 予測値は、時系列基礎モデルにおける上尾ピンボール損失の中央値7.4\%の減少に反映される。 制御された1日のテキストミスマッチアブレーションはゲインを逆転させ、ノーテキストベースラインより下降する。

関連論文リスト

• Can Language Models Learn to Forecast Stock Prices [64.57057883175987]
  ポストトレーニングでは、検証可能な結果のタスクにおける言語モデルの性能が大幅に向上することが示されている。 ポストトレーニングは、財務予測性能を大幅に改善できることを示す。
  論文  参考訳（メタデータ） (2026-09-29T07:34:39Z)
• Repurposing Deep Limit Order Book Forecasting for Scenario-Conditioned Market Impact Modeling [49.590388401787834]
  本稿では,機械的に有効な反事実メッセージの注入前後の予測者の予測分布を比較するモデルに依存しないフレームワークを提案する。 トランスフォーマーをベースとした予測器は、スピアマンの相関関係を0.99と97.2%と、実現した歴史的成果との方向性の一致で、シナリオランキングを回復した。
  論文  参考訳（メタデータ） (2026-09-15T10:06:03Z)
• Forecasting Future Language: Context Design for Mention Markets [81.25011140991566]
  我々は、参照市場における正確な予測を支援するために、入力コンテキストをどのように設計するかを検討する。 1 より豊かなコンテキストは予測性能を継続的に改善し、(2)市場条件付きプロンプト(MCP)は事前の市場確率を扱い、テキストによる証拠を用いてそれを更新し、より良いキャリブレーションの予測を得る、(3)市場確率とMCP(MixMCP)の混合が市場ベースラインを上回っている、という3つの洞察を得た。
  論文  参考訳（メタデータ） (2026-02-04T12:43:31Z)
• Forecasting Commodity Price Shocks Using Temporal and Semantic Fusion of Prices Signals and Agentic Generative AI Extracted Economic News [2.5165775267615205]
  本稿では、歴史的商品価格データと世界経済ニュースから派生した意味的信号を組み合わせたハイブリッド予測フレームワークを提案する。 このアーキテクチャは、二ストリーム長短期記憶(LSTM)ネットワークとアテンション機構を統合し、セマンティックに埋め込み、ファクトチェックされたニュース要約で構造化された時系列入力を融合する。 その結果,提案手法は平均AUCが0.94で,総合精度0.91が従来のベースラインを大幅に上回っていることがわかった。
  論文  参考訳（メタデータ） (2025-07-24T20:52:47Z)
• Log-Sum-Exponential Estimator for Off-Policy Evaluation and Learning [50.93804891554481]
  従来の逆確率スコア推定よりも優れた対数推定演算子(log-sum-exponential (LSE)演算子)に基づく新しい推定器を提案する。 我々のLSE推定器は, 重み付き条件下での分散低減とロバスト性を示す。 政治以外の学習シナリオでは、LSE推定器と最適ポリシーの間のパフォーマンスギャップである後悔の限界を確立します。
  論文  参考訳（メタデータ） (2025-06-07T17:37:10Z)
• Improving Sequential Market Coordination via Value-oriented Renewable Energy Forecasting [3.0665531066360066]
  本稿では,実運用段階においてより効率的にRIEQ(RES Improved Entering Quantities)を決定するために,価値指向予測(value-oriented forecasting)と呼ばれるトレーニングされた予測モデルを提案する。 統計的予測誤差を最小化する従来のモデルとは異なり、我々のアプローチはパラメータを訓練し、DA市場とRT市場の両方で期待される全体の運用コストを最小化する。
  論文  参考訳（メタデータ） (2024-05-15T00:04:08Z)
• Bayesian Hierarchical Probabilistic Forecasting of Intraday Electricity Prices [0.0]
  本研究は、ドイツの日内取引で取引された電力価格のベイズ予測を初めて示したものである。 ターゲット変数はIDFull価格指数であり、予測は後続の予測分布として与えられる。 絶対誤差で平均5.9,%の減少を含む点測度と確率スコアの大幅な改善を観察する。
  論文  参考訳（メタデータ） (2024-03-08T16:51:27Z)
• Stock Price Prediction Under Anomalous Circumstances [81.37657557441649]
  本稿では,異常な状況下での株価の変動パターンを捉えることを目的とする。 ARIMAとLSTMのモデルは、シングルストックレベル、業界レベル、一般市場レベルでトレーニングします。 2016年から2020年にかけての100社の株価に基づいて、平均予測精度は98%に達した。
  論文  参考訳（メタデータ） (2021-09-14T18:50:38Z)
• A Sentiment Analysis Approach to the Prediction of Market Volatility [62.997667081978825]
  金融ニュースとツイートから抽出された感情とFTSE100の動きの関係を調べました。 ニュース見出しから得られた感情は、市場のリターンを予測するシグナルとして使われる可能性があるが、ボラティリティには当てはまらない。 我々は,新たな情報の到着に応じて,市場の変動を予測するための正確な分類器を開発した。
  論文  参考訳（メタデータ） (2020-12-10T01:15:48Z)
• Ensemble Forecasting for Intraday Electricity Prices: Simulating Trajectories [0.0]
  近年の研究では、時間単位のドイツの日内連続市場は弱い状態にあることが示されている。 時間内電力価格の確率予測は、トレーディングウィンドウ毎に軌跡をシミュレートして行う。 この調査は、過去3時間でドイツの日内連続市場における価格分布を予測することを目的としているが、このアプローチは、特にヨーロッパでは、他の連続市場への適用を可能にする。
  論文  参考訳（メタデータ） (2020-05-04T10:21:20Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。